|
|
Registros recuperados : 195 | |
101. | | SILVA, J. F. M.; SILVA, V. B. de S.; EVARISTO, A. M. T.; ARAUJO, E. da S.; SOUZA, L. R.; SANAVRIA, A. Cultivo e peletização de Moringa oleifera para uso na alimentação animal na Fazendinha Agroecológica km 47 em Seropédica, Rio de Janeiro. Cadernos de Agroecologia, v. 15, n. 2, 2020. Anais do XI Congresso Brasileiro de Agroecologia, São Cristóvão, Sergipe. Biblioteca(s): Embrapa Agrobiologia. |
| |
103. | | CORDEIRO, A. A. dos S. C.; GUERRA, J. G. M.; BERBARA, R. L. L.; ARAUJO, E. da S.; ESPINDOLA, J. A. A.; ROSA, R. C. C. Desempenho produtivo de cenoura fertilizada com compostos vegetais fermentados em sistema de manejo orgânico nas condições climáticas da Baixada Fluminense. In: SEMANA CIENTÍFICA JOHANNA DÖBEREINER, 20., 2020, Seropédica. Inteligência artificial: a nova fronteira da ciência brasileira: impactos para a agricultura sustentável. Resumos... Seropédica: Embrapa Agrobiologia, 2020. Biblioteca(s): Embrapa Agrobiologia. |
| |
104. | | Silva, B. F. da; Meireles. I. P.; DECO, T. A. de; ESPINDOLA, J. A. A.; GUERRA, J. G. M.; ARAUJO, E. da S. Desenvolvimento e aplicação de metodologia para estudo da transferência de N derivado de adubos verdes para cultura de interesse econômico. In: SEMANA CIENTÍFICA JOHANNA DÖBEREINER, 13., 2013, Seropédica Ciência, saúde e esporte: caderno de resumos... Seropédica: Embrapa Agrobiologia, 2013. Biblioteca(s): Embrapa Agrobiologia. |
| |
105. | | SILVA, B. F.; MEIRELES, I. P.; DECO, T. A.; ESPINDOLA, J. A. A.; GUERRA, J. G. M.; ARAUJO, E. da S. Desenvolvimento e aplicação de metodologia para estudo da transferência de nitrogênio de adubos verdes para a cultura de interesse econômico. In: SEMANA CIENTÍFICA JOHANNA DÖBEREINER, 12., 2012. Economia verde, sustentabilidade e erradicação da pobreza: caderno de resumos. Seropédica: Embrapa Agrobiologia, 2012. Biblioteca(s): Embrapa Agrobiologia. |
| |
106. | | VERGARA, C.; ARAUJO, K. E. C.; URQUIAGA, S.; SANTA-CATARINA, C.; SCHULTZ, N.; ARAUJO, E. da S.; BALIEIRO, F. de C.; XAVIER, G. R.; ZILLI, J. E. Dark septate endophytic fungi increase green manure-15N recovery efficiency, N contents, and micronutrients in rice grains. Frontiers in Plant Science, v. 9, article 613, May 2018. Biblioteca(s): Embrapa Agrobiologia; Embrapa Solos. |
| |
107. | | CUNHA, P. E. D. da; ESPINDOLA, J. A. A.; GUERRA, J. G. M.; DIAS, A.; PEREIRA, B. de C. J.; ARAUJO, E. da S. Controle de vegetação espontânea em sistema de plantio direto sobre manejo orgânico de produção. In: SEMANA CIENTÍFICA JOHANNA DÖBEREINER, 22., 2022, Seropédica. Bicentenário da Independência: 200 anos de ciência, tecnologia e inovação no Brasil: caderno de resumos... Seropédica: Embrapa Agrobiologia, 2022. Biblioteca(s): Embrapa Agrobiologia. |
| |
109. | | ARAUJO, E. da S.; MARSOLA, T.; MIYAZAWA, M.; SOARES, L. H. de B.; URQUIAGA, S.; BODDEY, R. M.; ALVES, B. J. R. Calibração de câmara semiaberta estática para quantificação de amônia volatilizada do solo. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 44, n. 7, p. 769-776, jul. 2009. Título em inglês: Calibration of a semi-opened static chamber for the quantification of volatilized ammonia from soil. Biblioteca(s): Embrapa Agricultura Digital; Embrapa Solos / UEP-Recife; Embrapa Unidades Centrais. |
| |
110. | | SILVA, L. O. da; GUERRA, J. G. M.; GOULART, J. M.; ARAUJO, E. da S.; ESPINDOLA, J. A. A.; ROUWS, J. R. C. Avaliação da fertilização com compostos fermentados confeccionados a partir de farelos vegetais e resíduos agrícolas no cultivo orgânico de salsa. In: SEMANA CIENTÍFICA JOHANNA DÖBEREINER, 22., 2022, Seropédica. Bicentenário da Independência: 200 anos de ciência, tecnologia e inovação no Brasil: caderno de resumos... Seropédica: Embrapa Agrobiologia, 2022. Biblioteca(s): Embrapa Agrobiologia. |
| |
111. | | TORRES, L. R. de O.; SANTANA, F. C. de; SHINAGAWA, F. B.; ARAÚJO, E. da S.; LIMA, H. C. de; MANCINI-FILHO, J. Avaliação físico-química e compostos bioativos de óleos da amêndoa de pequi (Caryocar brasiliense Camb.) obtidos artesanalmente e por prensagem a frio. In: BRAZILIAN MEETING ON CHEMISTRY OF FOOD AND BEVERAGES, 10.; NATIONAL CONFERENCE OF NATIONAL INSTITUTE OF SCIENCE AND TECHNOLOGY FOR TROPICAL FRUITS, 5., 2014, Aracaju. [Abstracts... Aracaju: UFS], 2014. Biblioteca(s): Embrapa Cerrados. |
| |
112. | | NOSOLINE, S. N.; PAULO, F. S. de; LIMA, A. P. de; LEITE, J.; ARAUJO, E. da S.; GUERRA, J. G. M.; RUMJANEK, N. G.; XAVIER, G. R. Caracterização morfocultural de bactérias isoladas de nódulos de espécies de Crotalária. Seropédica: Embrapa Agrobiologia, 2010. (Embrapa Agrobiologia. Documentos, 276) Biblioteca(s): Embrapa Agrobiologia. |
| |
113. | | ROCHA, D. A.; SANTOS, S. da S.; GOULART, J. M.; ESPINDOLA, J. A. A.; GUERRA, J. G. M.; ARAUJO, E. da S. Avaliação de diferentes fontes de adubação orgânica nitrogenada sobre o desempenho agronômico do milho verde. In: REUNIÃO BRASILEIRA DE FERTILIDADE DO SOLO E NUTRIÇÃO DE PLANTAS, 32.; REUNIÃO BRASILEIRA SOBRE MICORRIZAS, 16.; SIMPÓSIO BRASILEIRO DE MICROBIOLOGIA DO SOLO, 14.; REUNIÃO BRASILEIRA DE BIOLOGIA DO SOLO, 11., FERTBIO 2016. Goiânia. Rumo aos novos desafios: anais. Goiânia: UFG, 2016. Biblioteca(s): Embrapa Agrobiologia. |
| |
114. | | LANA, L. e O.; CORDEIRO, A. A. dos S.; GUERRA, J. G. M.; ESPINDOLA, J. A. A.; ARAUJO, E. da S. Avaliação de diferentes genótipos de milho com potencial para produção de minimilho e fitomassa para adubação verde. In: CONGRESSO BRASILEIRO DE AGROECOLOGIA, 7., 2011, Fortaleza. Ética na Ciência: agroecologia como paradigma para o desenvolvimento rural: resumos...Fortaleza: Associação Brasileira de Agroecologia, 2011. 7 p. Publica no Cadernos de Agroecologia, v. 6. n. 2, dez. 2011 Biblioteca(s): Embrapa Agrobiologia. |
| |
115. | | SILVA, C. S. R. de A. da; ZIVIANI, M. M.; OLIVEIRA, V. S. da C.; DURÃO, S. M. de O.; PINHEIRO, E. F. M.; ARAUJO, E. da S. Avaliação das diferentes práticas de manejo na agregação do solo sob cultivo orgânico de hortaliças em Seropédica (RJ). Cadernos de Agroecologia, v. 15, n. 2, 2020. Anais do XI Congresso Brasileiro de Agroecologia, São Cristóvão, Sergipe. Biblioteca(s): Embrapa Agrobiologia. |
| |
117. | | DECO, T. A.; MEIRELES, I. P.; SILVA, B. F.; GUERRA, J. G. M.; ESPINDOLA, J. A. A.; ARAUJO, E. da S. Dupla inoculação de sementes de feijão-de-porco e mucuna cinza com estirpes de rizóbio e fungos micorrizicos arbusculares (FMAs). In: SEMANA CIENTÍFICA JOHANNA DÖBEREINER, 12., 2012. Economia verde, sustentabilidade e erradicação da pobreza: caderno de resumos. Seropédica: Embrapa Agrobiologia, 2012. Biblioteca(s): Embrapa Agrobiologia. |
| |
118. | | ROCHA, A. A.; DECO, T. A. de; ALONSO, G. M. M.; BERBARA, R. L. L.; GUERRA, J. G. M.; SAGGIN JUNIOR, O. J.; ARAUJO, E. da S. Dupla inoculação de sementes de feijão-de-porco com rizóbios e fungos micorrízicos arbusculares. In: REUNIÃO BRASILEIRA DE FERTILIDADE DO SOLO E NUTRIÇÃO DE PLANTAS, 31.; REUNIÃO BRASILEIRA SOBRE MICORRIZAS, 15.; SIMPÓSIO BRASILEIRO DE MICROBIOLOGIA DO SOLO, 13.; REUNIÃO BRASILEIRA DE BIOLOGIA DO SOLO, 10., 2014, Araxá. Fertilidade e biologia do solo: integração e tecnologias para todos: anais. Araxá: Núcleo Regional Leste da Sociedade Brasileira de Ciência do Solo, 2014. FertBio 2014. Biblioteca(s): Embrapa Agrobiologia. |
| |
119. | | ROCHA, A. A.; ARAÚJO, S. N. de; COSTA, L. S.; GUERRA, J. G. M.; ESPINDOLA, J. A. A.; ARAUJO, E. da S. Efeito da adubação orgânica nitrogenada de diferentes fontes sobre o desempenho agronômico do Feijão-Vagem In: SEMANA CIENTÍFICA JOHANNA DÖBEREINER, 15., 2015, Seropédica. Solo, Ciência e vida: caderno de resumos... Seropédica: Embrapa Agrobiologia, 2015 Biblioteca(s): Embrapa Agrobiologia. |
| |
120. | | SANTOS, S. da S.; SILVA, T. M. da; ARAÚJO F. de C. D.; BUCHER C. A.; GUERRA, J. G. M.; ARAUJO, E. da S. Efeito de biofertilizante e ácido indolbutírico no enraizamento de estacas de gliricídia In: REUNIÃO BRASILEIRA DE FERTILIDADE DO SOLO E NUTRIÇÃO DE PLANTAS, 31.; REUNIÃO BRASILEIRA SOBRE MICORRIZAS, 15.; SIMPÓSIO BRASILEIRO DE MICROBIOLOGIA DO SOLO, 13.; REUNIÃO BRASILEIRA DE BIOLOGIA DO SOLO, 10., 2014, Araxá. Fertilidade e biologia do solo: integração e tecnologias para todos: anais. Araxá: Núcleo Regional Leste da Sociedade Brasileira de Ciência do Solo, 2014. FertBio 2014. Biblioteca(s): Embrapa Agrobiologia. |
| |
Registros recuperados : 195 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Uva e Vinho. |
Data corrente: |
19/06/2023 |
Data da última atualização: |
20/06/2023 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
A - 4 |
Autoria: |
ARRUDA, D. C. de; DUCATI, J. R.; HOFF, R.; BELLOLI, T. F.; THUM, A. B. |
Afiliação: |
DINIZ CARVALHO DE ARRUDA, UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL; JORGE RICARDO DUCATI, UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL; ROSEMARY HOFF, CNPUV; TÁSSIA FRAGA BELLOLI, UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL; ADRIANE BRILL THUM, UNIVERSIDADE DO VALE DO RIO DOS SINOS. |
Título: |
Proximal hyperspectral analysis in grape leaves for region and variety identification. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
Ciência Rural, v. 53, n. 12, e20220313, 2023. |
DOI: |
http://doi.org/10.1590/0103-8478cr20220313 |
Idioma: |
Inglês |
Conteúdo: |
Reflectance measurements of plants of the same species can produce sets of data with differences between spectra, due to factors that can be external to the plant, like the environment where the plant grows, and to internal factors, for measurements of different varieties. This paper reports results of the analysis of radiometric measurements performed on leaves of vines of several grape varieties and on several sites. The objective of the research was, after the application of techniques of dimensionality reduction for the definition of the most relevant wavelengths, to evaluate four machine learning models applied to the observational sample aiming to discriminate classes of region and variety in vineyards. The tested machine learning classification models were Canonical Discrimination Analysis (CDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF), and Support Vector Machine (SVM). From the results, we reported that the LGBM model obtained better accuracy in spectral discrimination by region, with a value the 0.93, followed by the RF model. Regarding the discrimination between grape varieties, these two models also achieved better results, with accuracies of 0.88 and 0.89. The wavelengths more relevant for discrimination were at ultraviolet, followed by those at blue and green spectral regions. This research pointed toward the importance of defining the wavelengths more relevant to the characterization of the reflectance spectra of leaves of grape varieties and revealed the effective capability of discriminating vineyards by their region or grape variety, using machine learning models. Análise hiperespectral proximal em folhas de videiras para identificação de regiões e variedades RESUMO: Medições de refletância de plantas da mesma espécie podem produzir conjuntos de dados com diferenças entre os espectros, devido a fatores que podem ser externos à planta, como o ambiente onde a planta cresce, e fatores internos, para medições com variedades de plantas. Este artigo reporta resultados da análise de medições por espectrorradiometria efetuadas em folhas de vinhas de variedades e em diferentes localidades. O objetivo desta pesquisa foi, após a aplicação de técnicas de redução de dimensionalidade para a definição dos comprimentos de onda mais relevantes, avaliar quatro modelos de aprendizado de máquina aplicados à amostra observacional visando discriminar classes de região e variedade. Os modelos de classificação de aprendizado de máquina testados foram Canonical Discrimination Analysis (CDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF) e Support Vector Machine (SVM). A partir dos resultados, relatamos que o modelo LGBM obteve melhor acurácia na discriminação espectral por região, com valor de 0,93, seguido pelo modelo RF. Relativamente à discriminação entre castas, estes dois modelos também obtiveram melhores resultados, com acurácias de 0,88 e 0,89. Os comprimentos de onda mais importantes para as discriminações procuradas estiveram na região do ultravioleta, seguidos do azul e do verde. Este trabalho aponta para a importância de detectar os comprimentos de onda mais relevantes para a caracterização dos espectros de reflectância das folhas de variedades de vinhas, e revela a capacidade efetiva de discriminar vinhedos por suas regiões ou variedades, usando modelos de aprendizado de máquina. Palavras-chave: Vinhedos, hiperespectral, aprendizagem de máquina. MenosReflectance measurements of plants of the same species can produce sets of data with differences between spectra, due to factors that can be external to the plant, like the environment where the plant grows, and to internal factors, for measurements of different varieties. This paper reports results of the analysis of radiometric measurements performed on leaves of vines of several grape varieties and on several sites. The objective of the research was, after the application of techniques of dimensionality reduction for the definition of the most relevant wavelengths, to evaluate four machine learning models applied to the observational sample aiming to discriminate classes of region and variety in vineyards. The tested machine learning classification models were Canonical Discrimination Analysis (CDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF), and Support Vector Machine (SVM). From the results, we reported that the LGBM model obtained better accuracy in spectral discrimination by region, with a value the 0.93, followed by the RF model. Regarding the discrimination between grape varieties, these two models also achieved better results, with accuracies of 0.88 and 0.89. The wavelengths more relevant for discrimination were at ultraviolet, followed by those at blue and green spectral regions. This research pointed toward the importance of defining the wavelengths more relevant to the characterization of the reflectance spectra of leaves of grape varieties and... Mostrar Tudo |
Palavras-Chave: |
Aprendizagem de máquina; Hiperespectral; Hyperspectral; Machine learning; Spectroradiometer; Vinhedos. |
Thesaurus NAL: |
Hyperspectral imagery; Vineyards. |
Categoria do assunto: |
F Plantas e Produtos de Origem Vegetal |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1154498/1/Arruda-etal-2023-Ciencia-Rual.pdf
|
Marc: |
LEADER 04309naa a2200277 a 4500 001 2154498 005 2023-06-20 008 2023 bl uuuu u00u1 u #d 024 7 $ahttp://doi.org/10.1590/0103-8478cr20220313$2DOI 100 1 $aARRUDA, D. C. de 245 $aProximal hyperspectral analysis in grape leaves for region and variety identification.$h[electronic resource] 260 $c2023 520 $aReflectance measurements of plants of the same species can produce sets of data with differences between spectra, due to factors that can be external to the plant, like the environment where the plant grows, and to internal factors, for measurements of different varieties. This paper reports results of the analysis of radiometric measurements performed on leaves of vines of several grape varieties and on several sites. The objective of the research was, after the application of techniques of dimensionality reduction for the definition of the most relevant wavelengths, to evaluate four machine learning models applied to the observational sample aiming to discriminate classes of region and variety in vineyards. The tested machine learning classification models were Canonical Discrimination Analysis (CDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF), and Support Vector Machine (SVM). From the results, we reported that the LGBM model obtained better accuracy in spectral discrimination by region, with a value the 0.93, followed by the RF model. Regarding the discrimination between grape varieties, these two models also achieved better results, with accuracies of 0.88 and 0.89. The wavelengths more relevant for discrimination were at ultraviolet, followed by those at blue and green spectral regions. This research pointed toward the importance of defining the wavelengths more relevant to the characterization of the reflectance spectra of leaves of grape varieties and revealed the effective capability of discriminating vineyards by their region or grape variety, using machine learning models. Análise hiperespectral proximal em folhas de videiras para identificação de regiões e variedades RESUMO: Medições de refletância de plantas da mesma espécie podem produzir conjuntos de dados com diferenças entre os espectros, devido a fatores que podem ser externos à planta, como o ambiente onde a planta cresce, e fatores internos, para medições com variedades de plantas. Este artigo reporta resultados da análise de medições por espectrorradiometria efetuadas em folhas de vinhas de variedades e em diferentes localidades. O objetivo desta pesquisa foi, após a aplicação de técnicas de redução de dimensionalidade para a definição dos comprimentos de onda mais relevantes, avaliar quatro modelos de aprendizado de máquina aplicados à amostra observacional visando discriminar classes de região e variedade. Os modelos de classificação de aprendizado de máquina testados foram Canonical Discrimination Analysis (CDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF) e Support Vector Machine (SVM). A partir dos resultados, relatamos que o modelo LGBM obteve melhor acurácia na discriminação espectral por região, com valor de 0,93, seguido pelo modelo RF. Relativamente à discriminação entre castas, estes dois modelos também obtiveram melhores resultados, com acurácias de 0,88 e 0,89. Os comprimentos de onda mais importantes para as discriminações procuradas estiveram na região do ultravioleta, seguidos do azul e do verde. Este trabalho aponta para a importância de detectar os comprimentos de onda mais relevantes para a caracterização dos espectros de reflectância das folhas de variedades de vinhas, e revela a capacidade efetiva de discriminar vinhedos por suas regiões ou variedades, usando modelos de aprendizado de máquina. Palavras-chave: Vinhedos, hiperespectral, aprendizagem de máquina. 650 $aHyperspectral imagery 650 $aVineyards 653 $aAprendizagem de máquina 653 $aHiperespectral 653 $aHyperspectral 653 $aMachine learning 653 $aSpectroradiometer 653 $aVinhedos 700 1 $aDUCATI, J. R. 700 1 $aHOFF, R. 700 1 $aBELLOLI, T. F. 700 1 $aTHUM, A. B. 773 $tCiência Rural$gv. 53, n. 12, e20220313, 2023.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Uva e Vinho (CNPUV) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|